Reto de OCR
- Modelo
- paddleocr-vl-1.6AbiertoLee imágenesModelo abierto, no forma parte de Orion. Modelo abierto de OCR de documentos: a partir de la imagen de una página y una instrucción, devuelve su texto, tablas, fórmulas o datos de gráficos.
paddleocr-vl-1.6 es un modelo abierto que lee páginas de documentos. La página dibuja cuatro documentos inventados y envía cada uno como imagen; el modelo devuelve el texto que lee y la página lo compara, campo a campo, con lo que dice el documento. Estropea un documento para ver qué sigue leyendo, o prueba con una imagen tuya.
En vivo: esta demo hace llamadas reales a la API, con una clave de demostración y un límite de llamadas por visita.
Elige un documento y pulsa Leer el documento: el modelo lee la imagen y la página compara lo que ha leído con la verdad, campo a campo. Después, estropea el documento (gíralo, añade ruido o desenfoque, destíñelo, cambia la tipografía) y mira qué sigue leyendo.
Aún no has elegido ninguna imagen.
PNG o JPEG. Tu navegador la reduce a 1600 píxeles en su lado mayor y envía como máximo 1 MB.
No subas datos personales ni sensibles. La imagen se envía a la API de Serenity Edge para responder y la web no la guarda.
Aún no has elegido ninguna imagen.
Los daños se aplican a los cuatro documentos de la página, no a tu imagen.
Campo a campo
Pulsa Leer el documento para ver qué lee el modelo.
Tu imagen no tiene clave de respuestas, así que no hay puntuación: este es el texto que devolvió el modelo.
Casi: al menos un 75 % igual, sin contar mayúsculas, espacios ni tildes.
La respuesta llegó al límite de tokens y está cortada.
Texto completo que devolvió el modelo
Campos leídos
Lee un documento para ver cuántos de sus campos acierta el modelo.
- Factura: sin leer todavía
- Formulario: sin leer todavía
- Tabla: sin leer todavía
- Aviso: sin leer todavía
Resumen
- Llamadas al modelo
- Mediana por llamada
- Coste a escala
Con la simulación local, sin coste ni milisegundos.
Siguiente: Preguntas sobre una imagenLlamadas al modelo
El coste y los milisegundos aparecerán con la primera llamada.
Milisegundos de cada llamada
En esta versión previa no se envía nada a la API, así que no hay coste ni milisegundos que medir.
Ver la llamada
Una petición por lectura a POST /v1/chat/completions: la página como imagen y después una instrucción de tarea de las que lista la documentación: Table Recognition: para la tabla y OCR: para los demás documentos y para tu imagen.
- Ruta
POST /v1/chat/completions- Modelo
paddleocr-vl-1.6
La clave de API la añade el servidor y nunca llega a tu navegador.
En el cURL, la imagen es un marcador: sustitúyelo por la data URL de tu imagen PNG o JPEG.
Petición
Respuesta de la API
Llévalo a tu código
La misma ruta lee documentos escaneados y responde preguntas sobre imágenes, desde tu propio código.
